Question

我目前正在编写一个函数来模拟投币游戏中的财富。 f是我将本钱（AUM）投入该游戏的百分比。我模拟10000步，每一步都想将AUM编号包括在我的财富列表中，因此，在10000步的末尾，我将得到一个包含10001个数字的列表（包括AUM = 100）。最后，我希望有一个数据框（10001 * 100），每列对应于投资了不同f（列名）的财富系列。但是我的以下代码不断弹出错误：

提高TypeError（msg） TypeError：无法连接类型为“”的对象；仅有pd.Series，pd.DataFrame和pd.Panel（不建议使用）objs有效

或

ValueError：值的长度与索引的长度不匹配

谁能帮助我解决这个问题（将100个系列（每个具有10001个元素）添加到一个数据框中）？非常感谢！

df = pd.DataFrame()
wealth = [100] ### initial AUM
def path(f): 
    global AUM
    global wealth
    for j in range(10000):  ### one simulation with 10,000 steps
        if Ber_Dist_V [j] == 1: ### Bernouli distribution
            AUM = AUM * (1-f) + AUM * f * (1 + win)
        else:
            AUM = AUM * (1-f) + AUM * f * (1 + lose)
        wealth.append(AUM)
    wealth = pd.Series(wealth)
    df[f]=wealth

weight = np.linspace(0, 1, 100,endpoint=False).tolist()
for f in weight:
    path_weight(f)

Answer 1

您得到ValueError的原因是您的wealth列表的长度非常不同。没必要将它变成一系列以将其设置为数据框的列之一。您的内部逻辑不是很透明，但是我认为重置列表（因此wealth始终具有恒定的长度）应该可以解决该问题。我建议类似以下内容：

df = pd.DataFrame()
def path(f): 
    global AUM
    wealth = [100] # Resets `wealth` with each invocation of `path()`.
    for j in range(10000):  ### one simulation with 10,000 steps
        if Ber_Dist_V [j] == 1: ### Bernouli distribution
            AUM = AUM * (1-f) + AUM * f * (1 + win)
        else:
            AUM = AUM * (1-f) + AUM * f * (1 + lose)
        wealth.append(AUM)
    df[f] = wealth

weight = np.linspace(0, 1, 100,endpoint=False).tolist()
for f in weight:
    path_weight(f)

但是，如果您想使代码更快（并且您知道wealth的长度为l0001个元素，则可以在实例化时预填充它，而只需更新元素即可。这应该比使用更快.append()。我会这样写：

df = pd.DataFrame()
def path(f): 
    global AUM
    wealth = [100] + [0]*10000 # Resets `wealth` with each invocation of `path()`. Prefills wealth with `0`.
    for j in range(1, 10001):  ### one simulation with 10,000 steps
        if Ber_Dist_V [j] == 1: ### Bernouli distribution
            AUM = AUM * (1-f) + AUM * f * (1 + win)
        else:
            AUM = AUM * (1-f) + AUM * f * (1 + lose)
        wealth[i] = AUM    # Faster than using `.append()`.
    df[f] = wealth

weight = np.linspace(0, 1, 100,endpoint=False).tolist()
for f in weight:
    path_weight(f)

如何在python3中将列重复添加到数据框中

1 个答案: